news 2026/6/18 2:47:41

当企业里的Agent越来越多谁来管控

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
当企业里的Agent越来越多谁来管控

未来三年,每一家制造业企业的员工桌上,可能都不再只有一台电脑。他们还会带着几个AI Agent一起工作——一个帮你处理采购询价,一个帮你跟踪订单交付,一个帮你写周报和回复客户邮件。

这不是科幻场景。大模型的能力已经让Agent可以处理大部分标准化的脑力劳动,剩下的问题是工程化的——怎么让Agent在企业环境中可靠地运行。但这里有一个深层矛盾:Agent是跟着个人走的,治理却必须属于企业。

一、Agent时代的新问题:个人能力与企业管控的冲突

过去的企业软件天然是"组织级"的。ERP是公司的ERP,CRM是公司的CRM,数据存在公司服务器上,权限由IT部门统一管理。员工离职了,账号一关,数据还在公司里。

Agent的逻辑完全不同。Agent跟着个人走——它有你的工作记忆、你的沟通偏好、你教给它的业务经验。一个用得顺手的Agent,就像一个配合了三年的助理。问题来了:当这个Agent可以访问公司CRM、ERP、内部文档时,它到底是"个人工具"还是"企业资产"?

如果定义为个人工具,企业就失去了对数据访问和业务操作的管控。一个带着公司敏感数据离职的销售经理,他的Agent里可能存有客户报价策略、供应商谈判记录、合同审批历史。如果定义为企业资产,员工就没有动力去训练和优化Agent。这个矛盾不是假设性的,当企业里越来越多的人使用Agent,问题会越来越尖锐。

二、Agent OS:在个人自由与企业治理之间找到平衡

Agent OS的概念,就是在个人Agent和企业管控之间建立一个"控制平面"。它不替代Agent本身,只关心四个问题。

策略——谁能做什么。每个Agent的权限由企业统一配置。你可以教Agent怎么处理客户投诉,但Agent能访问哪些数据、调用哪些接口、执行到什么程度需要人工确认——这些由企业决定。

观测——正在发生什么。企业可以实时看到所有Agent的运行状态:有多少在活跃执行、处理了哪些业务、成功率如何、哪些操作被人工否决了。这不是监控员工,是监控AI系统——就像监控服务器运行状态一样。

编排——多个Agent怎么协作。当销售Agent需要工艺Agent评估产品可行性、需要物流Agent查询运输方案时,Agent之间的协作不能靠员工私下协调,需要标准化的任务传递和结果汇总机制。

进化——技能怎么沉淀和共享。一个销售精英教会了他的Agent一套高效的客户跟进方法,这套方法能不能变成全部门共享的Skill?Agent OS提供技能的登记、审核和共享机制——让个人经验变成组织能力。

这四个能力加在一起,构成了Agent OS的核心。它的定位不是"Agent的操作系统",而是"企业治理Agent的控制平面"。

三、为什么现在就需要思考Agent OS

很多企业还在"一两个Agent试点"的阶段,Agent OS看起来还很远。但时间窗口比大多数人预期的要短。

过去两年,大模型能力的进化速度远超预期。一年前的Agent只能做简单问答,半年前可以做多步推理,现在已能执行复杂业务操作。按照这个节奏,再过一到两年,每个知识工作者配备两到三个Agent完全可行。当Agent数量从个位数增长到两位数,治理问题会从"不重要"变成"最紧迫"。

一个没有Agent OS的企业面对二十个Agent的场景:没人知道这些Agent各自能访问什么数据,没人知道它们每天执行了多少操作,没人知道哪个Agent学了不该学的东西。这不是假设,已经在部分企业中发生了。

从JBoltAI的战略判断来看,Agent OS是企业AI建设中的"控制平面层"——如果ERP是企业的运营系统,那么Agent OS将成为企业未来的智能治理系统。资源平面管理数据和服务,执行平面运行各个Agent,控制平面负责策略、观测、编排和进化。三层架构,各管各的。

四、Agent OS的演进路径

Agent OS不是一步到位的产品,而是随企业Agent生态成熟度逐步演进的。

阶段一:策略与观测。定义Agent能做什么,记录Agent做了什么——对应授权配置和审计日志。当前阶段大部分企业应该从这里开始。

阶段二:策略自优化。基于运行数据自动识别权限配置的不合理之处——某个Agent频繁触发越权警告说明权限配窄了,某些Skill从未被使用说明配宽了。系统给出调整建议,人工确认后生效。

阶段三:多Agent编排。Agent之间的协作标准化、自动化。一个客户投诉处理流程,自动编排售后、质量、物流、财务Agent的协作序列,每个完成自己的部分后自动流转。

从JBoltAI的演进路线来看,当前处于阶段一,阶段二预计在一到两年内成熟,阶段三需要三到五年的行业积累。每个阶段都需要上一阶段的数据和经验作为基础,不能跳步。

总结

Agent属于个人,但治理属于企业——这是Agent时代最基本的治理原则。Agent OS不是Agent的替代品,而是Agent在企业环境中安全、可控、可持续运行的保障层。

对于大部分企业来说,现在可能还不需要完整的Agent OS。但授权管控和审计追踪这两个基础能力,从第一个Agent上线的第一天就应该建立。框架先行,扩展有序——这是从传统IT治理中继承的最有价值的经验。判断标准是:当你开始为"Agent数量多了怎么管"而焦虑的时候,就是引入Agent OS的合适时机。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/6/18 2:29:11

GalTransl:基于大语言模型的Galgame自动化翻译技术架构解析

GalTransl:基于大语言模型的Galgame自动化翻译技术架构解析 【免费下载链接】GalTransl 支持GPT-4/Claude/Deepseek/Sakura等大语言模型的Galgame自动化翻译解决方案 Automated translation solution for visual novels supporting GPT-4/Claude/Deepseek/Sakura …

作者头像 李华
网站建设 2026/6/18 2:26:58

自动驾驶调研-Day3

关于 WAM 一般说法是,VLA 输出只看 action ,world model 只预测未来世界状态。 既预测 action 又预测未来世界状态的叫 WAM。 相比 VA,WAM 不一定用视频模态来表示世界状态,也可能是点云什么的。 WAM 关注当前观察 o、语言指令…

作者头像 李华
网站建设 2026/6/18 2:18:19

如何5分钟打造完美暗黑2角色:d2s-editor存档编辑器终极指南

如何5分钟打造完美暗黑2角色:d2s-editor存档编辑器终极指南 【免费下载链接】d2s-editor 项目地址: https://gitcode.com/gh_mirrors/d2/d2s-editor 你是否厌倦了在暗黑破坏神2中重复刷级,渴望快速体验游戏的高级内容?d2s-editor暗黑…

作者头像 李华
网站建设 2026/6/18 2:08:46

线性回归的几何本质:从正交投影到梯度下降的直观理解

1. 项目概述:这不是公式推导,而是让线性回归在你脑子里“活”起来 “How Linear Regression Actually work (Maths In-depth Intuition)- Part 2”——这个标题里藏着一个被绝大多数教程悄悄绕开的真相:我们教线性回归,总爱从最小…

作者头像 李华
网站建设 2026/6/18 1:56:48

不同需求怎么选MBA面试辅导机构?2026场景攻略

MBA面试辅导机构挑选3个核心误区 在2026年的MBA申请季,提前面试辅导已经成为大多数考生绕不开的一环。市面上提供MBA面试辅导的机构数量逐年增加,从老牌联考培训学校到个人IP型导师,选择面广了,选错的可能性也大了。初次接触MBA面…

作者头像 李华
网站建设 2026/6/18 1:37:10

神经符号AI与JEPA架构:融合深度学习与规则推理

1. 神经符号AI的现状与挑战当前人工智能领域正面临一个根本性矛盾:深度学习模型虽然能够从海量数据中自动学习复杂模式,但其"黑箱"特性使得决策过程难以解释;而传统的符号推理系统虽然具备严格的逻辑可解释性,却难以处理…

作者头像 李华